是否可以在AdaBoostRegressor（sklearn）中使用不同的数据集作为预测的输入？

Question

我只是机器学习的初学者，现在我玩sklearn。 我从官方网站复制了AdaBoostRegressor的示例here，并添加了以下内容。

X_pred = np.linspace (6, 12, 100)[:, np.newaxis] 
y_pred = regr_2.predict(X_1) 

由于训练数据集X取值范围从0到6，我试着去预测不同的数据集X_pred从6不等到12

然而，我发现价值的y_pred始终是-1.05382839，这是训练集输出y的最后一个值。 我想知道是否有可能使用非输入样本数据集作为预测的输入。 可以这样做吗？如果是的话，正确的用法是什么？

顺便说一句，附图是输出。 红色和绿色是基于训练集输入（0-6）的预测输出，蓝色是X_pred（6-12）的输出。

Answer 1

总之 - 否。这不是回归的问题。回归约为内插，而不是外推。几乎没有一个回归者可以对训练集的之外的数据做出任何预测。